用于时间序列预测的分层样条：在海军舰船引擎故障率上的应用
应用统计
2021-04-20 v1
摘要
预测装备故障十分重要，因为其可提升可用性并削减运营预算。既往文献曾尝试以浴盆形函数、威布尔分布、贝叶斯网络或AHP来建模故障率。但这些模型在充足数据量下表现良好，且无法纳入两个显著特征：类别不平衡与共享结构。分层模型具有部分池化的优势。所提模型基于贝叶斯分层B样条。99艘大韩民国海军舰船的故障率时间序列被分层建模，其中每一层对应舰船引擎、引擎类型与引擎原型。作为分析结果，所建议模型在多情境条件（如引擎的先验知识）下准确预测了全寿命周期的故障率。
引用
@article{arxiv.2012.01224,
title = {Hierarchical spline for time series forecasting: An application to Naval ship engine failure rate},
author = {Hyunji Moon and Jinwoo Choi},
journal= {arXiv preprint arXiv:2012.01224},
year = {2021}
}